Pracovní použití:
1. transformace textu - na to je to skvěle použitelné, nepřekvapivě
typický příklad konverze z jednoho formátu do jiného s nějakou transformací, přeskládáním hodnot atd. "tady máš xml, vytáhni z toho tyhle data, takto je přeskup a ulož do jsonu". Dříve bych si na takové věci psal skript v pythonu, dnes deleguji na AI.
2. SQL - manželka v práci hodně dělá se SQL a hodně používá bing chat pro tvorbu dotazů, což je varianta 1 - transofrmace přirozené řeči na SQL. SQL má být blízko přirozené řeči by design, ale v tomto poslání imho úspěšně failuje
a AI zde pomáhá hodně
3. programování - můj skoro denní chléb je java, občas javascript, python, různé shell skripty atd. Tady je můj pocit takový ambivalentní (ve fázi "pozoruji a s opatrností občas použiju"). Jak tu někdo psal, výstupy vypadají často velice věrohodně, což právě může být ta zrada
Často vypadá kód přesně tak jak potřebuji až na drobnost "otočený operátor v podmínce atd.". Nicméně např. funkci IntellJ IDEA pro "chytré našeptávání" (full line completion) nechávám zapnutou, protože už je to za mne lehce nad hranicí toho, kdy se nemohu rozhodnout jestli to pomáhá nebo škodí (spíš pomáhá). Pořád je to jen generování textu na základě nějaké pravděpodobnosti (teď si ten kdo rozumí ML musí trhat vlasy na hlavě, ale já tomu nerozumím, tak se na to dívám takto). S tím souvisí ty nebezpečné "drobné zrady" ve výstupu a také to, že pokud se AI náhle skvěle trefuje v tom co chci psát, možná píšu stopadesátou repetitivní variantu téhož a měl bych se zamyslet jestli něco nechci spíš zobecnit/refaktorovat. Může být snadné podlehnout svodům "copy paste programování" když ten repetiviní kód nabízí AI. Jak říkám, použít, ale opatrně. A to se podle mne hned tak rychle nezmění (můžu se plést).